基于大脑结构的精神病生物型的监督机器学习分类:来自双极性精神分裂症中介类型网络 (B-SNIP) 的发现

科学领域:

• 神经成像是一种神经成像.
• 精神病学是一个精神病学.
• 生物标志物 生物标志物

背景情况:

• 传统的精神病诊断缺乏神经生物学基础.
• 基于大脑的生物标志物越来越多地用于生物知情的精神病构造.
• 之前的工作建立了B-SNIP精神病生物型.

研究的目的:

• 调查结构性MRI是否可以对B-SNIP精神病生物型进行分类.
• 使用神经成像数据,比较生物型与DSM诊断的分类准确性.

主要方法:

• 分析了T1加权MRI的全脑克素智能灰质密度 (GMD) 地图.
• 经过L2惩罚的逻辑回归模型被训练并使用重复分割进行测试.
• 模型将精神病病例 (n=557) 与健康对照 (n=251) 进行了区分,并评估了六种分类方案.

主要成果:

• 在所有生物型 (B1=0.70,B2=0.65,B3=0.56) 和诊断 (SZ=0.64,SAD=0.64,BD=0.59) 模型中,实现了高于概率的分类精度.
• 只有B1生物型模型表现出特异性,准确地将B1与对照区分开来,而不会错误地分类其他精神病类型.
• B1分类与患病前的智力能力有负相关性,无论该组.

结论:

• B-SNIP精神病生物型,特别是B1,显示出作为神经生物学特定结构的潜力.
• 基于结构性MRI的分类为精神病的传统临床诊断提供了有希望的补充.
• 这些发现支持生物型在捕捉精神病神经生物学特定方面的实用性.